| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究目的及意义 | 第16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 主要研究内容及创新点 | 第18-19页 |
| 1.5 论文结构安排 | 第19-21页 |
| 第二章 片上网络研究基础 | 第21-37页 |
| 2.1 片上网络的基本结构 | 第21页 |
| 2.2 片上网络设计 | 第21-23页 |
| 2.2.1 设计流程 | 第21-22页 |
| 2.2.2 片上网络的设计空间 | 第22-23页 |
| 2.3 片上网络拓扑结构 | 第23-26页 |
| 2.3.1 拓扑结构分类 | 第23-25页 |
| 2.3.2 典型 3D NoC拓扑结构 | 第25-26页 |
| 2.4 路由算法 | 第26-28页 |
| 2.4.1 死锁 | 第26-27页 |
| 2.4.2 活锁 | 第27页 |
| 2.4.3 路由算法分类 | 第27-28页 |
| 2.5 流控机制 | 第28-33页 |
| 2.5.1 无缓冲流控 | 第28-30页 |
| 2.5.2 缓冲流控制 | 第30-33页 |
| 2.6 流量模型 | 第33-35页 |
| 2.6.1 可用模型流量 | 第34页 |
| 2.6.2 合成流量：时间分布 | 第34页 |
| 2.6.3 合成流量：空间分布 | 第34-35页 |
| 2.6.4 实际流量 | 第35页 |
| 2.7 本章小结 | 第35-37页 |
| 第三章 基于自适应遗传算法的映射算法 | 第37-49页 |
| 3.1 映射问题描述 | 第37-38页 |
| 3.2 映射算法 | 第38-39页 |
| 3.2.1 遗传算法（Genetic algorithm，GA） | 第38-39页 |
| 3.2.2 粒子群算法（Particle Swarm Optimization，PSO） | 第39页 |
| 3.2.3 蚁群算法（ant colony optimization, ACO） | 第39页 |
| 3.3 基于自适应遗传算法面向mesh NoC的映射算法（AGAM） | 第39-43页 |
| 3.3.1 染色体编解码 | 第41-42页 |
| 3.3.2 适应值函数 | 第42页 |
| 3.3.3 选择、交叉和变异 | 第42-43页 |
| 3.4 实验结果及分析 | 第43-47页 |
| 3.4.1 实验平台 | 第43页 |
| 3.4.2 实验实例 | 第43-45页 |
| 3.4.3 实验及其结果分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 链路带宽非均衡NoC延迟优化方法 | 第49-67页 |
| 4.1 NoC链路设计 | 第49-50页 |
| 4.1.1 NoC链路的典型参数 | 第49页 |
| 4.1.2 可配置链路 | 第49-50页 |
| 4.2 构建基于OPNET的片上网络模型 | 第50-61页 |
| 4.2.1 进程模型 | 第51-57页 |
| 4.2.2 节点建模 | 第57-59页 |
| 4.2.3 网络建模 | 第59-61页 |
| 4.3 仿真实验及结果分析 | 第61-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
